您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于麦穗特征的小麦品种BP分类器设计

文献类型： 中文期刊

作者： 毕昆 1 ; 姜盼 1 ; 唐崇伟 1 ; 黄菲菲 1 ; 王成 1 ;

作者机构： 1.北京农业信息技术研究中心

关键词： 小麦识别;BP神经网络;颜色特征;芒个数;穗长

期刊名称： 中国农学通报

ISSN： 1000-6850

年卷期： 2011 年 27 卷 06 期

页码： 464-468

收录情况： 北大核心 ; CSCD

摘要： 小麦的穗部形态参数是直接反映小麦生长状况的重要参数,也是育种和考种专家关心的重要参数。但由于小麦的品种繁多,发展新型技术快速识别小麦品种是减少工作人员工作量的有效措施。基于数字图像分析,利用小麦穗部芒个数、芒长、穗长、RGB颜色的外部形态特征,对新疆的4个春小麦品种共40个样本进行了分类识别。利用提取的其中8个特征参数,设计了一个3层的BP神经网络分类器,平均准确识别率在85%以上,其中2个小麦品种的准确识别率达到了100%。通过图像处理的方法提取小麦的芒长、芒个数和穗长并基于这些参数来识别小麦的品种完全可行。

  • 相关文献

[1]计算机视觉用于猪肉新鲜度检测的颜色特征优化选取. 潘婧,钱建平,刘寿春,韩帅. 2016

[2]基于超像素分割的田间小麦穗数统计方法. 杜颖,蔡义承,谭昌伟,李振海,杨贵军,冯海宽,韩东. 2019

[3]基于机器视觉技术的叶面积测量系统实现. 张健钦,王秀,龚建华,薛绪掌. 2004

[4]基于数字图像技术的冬小麦不同施氮和灌溉处理颜色特征分析. 宋振伟,文新亚,张志鹏,蔡万涛,陈阜. 2010

[5]基于高分辨率无人机影像的喷药除草效果评估. 琚书存,汪志存,张东彦,杜世州,黄林生,杨小冬. 2019

[6]基于图像处理的小麦穗长和小穗数同步测量. 路文超,罗斌,潘大宇,赵勇,于春花,王成. 2016

[7]基于图像处理的小麦穗长测量. 姜盼,张彬,毕昆. 2010

[8]基于BP神经网络的传感器网络动态采样模型研究. 阚杰,张瑞瑞,陈立平,徐刚. 2015

[9]基于粒子群优化BP神经网络的水产养殖水温及pH预测模型. 徐大明,周超,孙传恒,杜永贵. 2016

[10]基于遗传BP神经网络的半滑舌鳎体重估算模型优化研究. 杨占魁,任东,孙传恒,周超,解菁. 2015

[11]前驱差速轮式农业机器人的BP定位估计方法. 贾士伟,邱权,李军民,郑文刚,孟志军,刘凤然. 2015

[12]猕猴桃自动分级设备设计与试验. 左兴健,武广伟. 2014

[13]基于特征光谱参数的苹果叶片叶绿素含量估算. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏. 2018

[14]基于激光雷达的树形靶标冠层叶面积探测模型研究. 谷趁趁,翟长远,陈立平,李琪,胡丽娜,杨福增. 2021

[15]B-P神经网络在作物生育动态模拟中的应用. 郭新宇,张志鹏,廖桂平,郭建强. 2002

[16]土壤墒情预测模型对比. 牛宏飞,张钟莉莉,孙仕军,郑文刚,王材源,杨利红. 2018

[17]考虑日光温室空间异质性的黄瓜叶片湿润时间估算模型研究. 刘鉴,任爱新,刘冉,纪涛,刘慧英,李明. 2020

[18]基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究. 喻沩舸,吴华瑞,彭程. 2020

[19]基于形状与纹理特征的鱼类摄食状态检测方法. 郭强,杨信廷,周超,吝凯,孙传恒,陈明. 2018

[20]基于无人机影像与GA-BP神经网络的生物量估算. 杨福芹,李天驰,冯海宽,解鹏,陈超,高磊磊. 2023

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台